人脸识别中局部遮挡处理技术研究

局部遮挡严重影响了人脸识别准确率,提出了自动最优局部遮挡的重建模型.该模型首先利用人脸图像的灰度值判断人脸遮挡类型,然后利用M估计器(M-estimator)对遮挡掩模进行估计,找到最佳局部遮挡的人脸重建系数,重建人脸,减弱人脸遮挡的影响.实验证明了局部遮挡处理的有效性,明显提高了识别准确率.     

基于深度学习的有遮挡人脸识别方法研究

针对传统CNN在有遮挡人脸识别中计算量大的问题,文中以L1-2DPCA为基础,提出了一种用于人脸识别的新型PCANet深度学习网络.该网络以L1-2DPCA学习多个卷积层的滤波器,在卷积层之后,通过二进制散列和逐块直方图进行池化.文中以CNN、PCANet、2DPCANet和L1-PCANet作为比较,在AR和RMFD...     

部分遮挡下光伏组件MPPT技术研究

因云雾、植物、建筑等物体遮挡,或光伏器件本身的不一致性,可能导致多个功率极值出现,从而使传统的最大功率点跟踪方法失效。在光伏组件出现多功率极值的条件下,采用合理最大功率追踪算法,不陷入局部最大功率点,找到全局最大功率点值得研究。文中提出结合粒子群优化和常规最大功率点跟踪的复合算法,用于实现最大功率点跟踪,并与常规最大功率点跟踪算法进行仿真实验比较。以解决光伏组件工作在恶劣条件下的严重功率失配问题,提高光伏组件的能量转换率,保护光伏组件不受损坏。     

基于深度残差网络模型压缩的局部遮挡人脸识别

尽管卷积神经网络使遮挡人脸识别效果有所改善,但随着性能的提高会造成结构复杂、网络参数增加、耗时长的问题。针对此问题,提出一种基于深度残差网络模型压缩的局部遮挡人脸识别方法。首先,采用多任务级联卷积神经网络(MTCNN)对人脸图像进行预处理;其次,选择残差网络作为主体网络,以残差块的卷积层为基本单位,通过结构化剪枝修剪卷积层滤波器,实现对深度残差网络模型压缩的同时移除滤波器输出的特征映射;最后,学习掩码特征去除遮挡损坏的特征元素对人脸进行识别。实验结果表明在准确率影响不大的情况下,网络参数量减少,识别速度有明显的提升。     

浅谈基于深度学习的人脸识别技术

互联网科技和大数据技术飞速发展的时代,日新月异的各种前沿技术,一再刷新人们的认知,人工智能(AI)成为了一门最热门的行业应用能力。AI技术不仅仅要够炫够酷,更要有足够的温度,让机器更加人性化。人脸识别技术(Face Recognition Technology,FRT)是近年来模式识别、图像处理以及人工智能等领域的重要研究课题之一。文章重点对现有的人脸检测识别方法以及应用领域关键技术进行总结,分析和比较当前主流识别方法优缺点,分享其中关键技术及发展前景。     

基于分区选择和Gabor小波的遮挡人脸识别

局部遮挡人脸识别是人脸识别应用中的一个难点问题.由于遮挡部分对人脸识别没有贡献,因此在进行分类时应排除这些部分.为了解决这一问题,提出一种将分区选择和Gabor小波相结合的遮挡人脸识别方法.首先,将图像分为互不相连的子块,根据图像均方根误差来确定人脸图像中的遮挡区域;其次,利用5尺度8方向的Gabor滤波器对未遮挡分区图像提取特征;然后,用余弦相似度作为纹理分类器对提取的特征进行识别分类;最后,将测试图像中未遮挡分区的识别结果进行决策融合,得到最终分类结果、统计识别正确率等评级指标.在包含不同遮挡的数据集中测试算法性能,识别准确率均达到95%以上.     

家用机器人的部分遮挡物体的识别

提出家用机器人的一种部分遮挡物体的识别方法。采用基于MCD距离的相关匹配法作为图像相似度的度量方法，将空间移位编码法应用于联合图像编码。这样编码后的二值图像易于光学处理．相关曲面更尖锐，遮挡物体的识别率更高。     

人脸识别应用的探讨

文章主要针对人脸识别的基本应用进行探讨,并对其解决方案进行探讨;同时对系统相关需要必备的一些前瞻性进行总结和展望。     

基于统计学习优化SIFT的面部遮挡人脸识别

针对传统的人脸识别算法受面部遮挡的影响导致很难兼顾鲁棒性和保持原始图像核心信息的问题,本文提出了一种基于统计学习优化尺度不变特征变换的面部遮挡人脸识别算法。首先,利用SIFT将所有给定训练图像用一组局部特征描述符表示出来;然后,通过执行统计学习获得正常脸部图像SIFT特征的概率分布函数,利用获得的概率分布函数在新观察到的测试图像中检测异常SIFT特征;最后,计算测试图像与训练图像之间的相似度,并利用K近邻分类器完成人脸识别。在AR人脸数据库上的实验验证了本文算法的有效性及可靠性,实验结果表明,相比其它几种较为先进的人脸识别算法,本文算法取得了更强的识别鲁棒性。     

基于YOLOX模型在疫情背景下人脸识别中的应用

随着COVID-19新型冠状肺炎全球大流行的趋势下,全人类都面临着重大全球公共卫生安全和经济下行压力,我国的疫情防治虽然已经取得阶段性胜利,但是变异毒株德尔塔的威胁仍使我们不能有丝毫松懈,以德尔塔(Delta)为代表的变异毒株异常狡猾,很多传染特征都突破了人们的既有认知,而且本轮感染者中轻型和无症状感染者的比例明显升高...     

基于鱼眼摄像头的一种人脸识别技术

针对普通人脸识别算法无法准确处理360°环境下的人脸信息,提出一种基于鱼眼摄像头的人脸识别技术。首先提取摄像头中的实时信息图像,根据球面投影校正的原理得到多方向的平面透视图;运用深度学习中的卷积神经网络提取校正后的全景图像中的人脸特征,从而与数据库中人脸特征比对,得出结果。算法增加了人脸识别技术的应用场景和范围,提升了人脸识别技术的处理能力。最后的实验结果证明了此方法的有效性。     

基于深度学习的人脸识别系统

本文设计描述了三种人脸识别技术:(1)通过肤色模型训练的图像变化技术对图像的人脸区域进行识别并分割出来。(2)Eigenface人脸识别算法的图像表示技术通过输入已知人脸图片,可视化特征脸,与系统相似脸匹配并计算识别准确率。(3)全连接神经网络技术和卷积神经网络技术实现对对输入人脸的识别分析和匹配测试,从系统库里找到与之最相近的的脸,并可视化展示。     

基于神经网络算法的人脸识别

本文基于神经网络算法在人脸识别中的应用进行了研究,结果表明当前神经网络算法人脸识别算法分为:卷积神经网络人脸识别、循环神经网络人脸识别。     

基于卷积神经网络的人脸识别

随着科技的发展人脸识别技术得到了巨大的应用,实现人脸识别的方法也越来越多,本文先简单对比了MLP、RNN、CNN这三个神经网络,然后再对CNN的基础结构进行了一个较为详细的介绍,主要通过对LeNet-5卷积神经网络模型结构的分析来了解卷积神经网络,然后设计了一款针对Olivetti Faces人脸数据库的卷积神经网络模型,通过更改卷积层中卷积核个数以及学习速率来进行一系列实验,最终确定在本次实验当中,当学习速率为0.05时,第一层卷积层卷积核数目为20,第二层卷积层数目为40的时候,能够得到一个针对Olivetti Faces人脸数据库有着较高识别率的一个新的卷积神经网络模型。     

基于含遮挡的稀疏人脸识别

本文利用稀疏表示人脸识别算法对图像中的遮挡进行检测,获取非遮挡区域,通过剔除遮挡区域来重构整个训练字典,通过实验获取了不错的效果.     

利用判别共同向量方法选取ROI的面部遮挡人脸识别

人脸识别中面部遮挡易影响识别性能,针对该问题提出一种判别共同向量方法。该方法利用DWT对训练图像进行预处理,利用DCVA提取特征以确定感兴趣区域,计算测试图像与训练图像之间的多流形距离,并利用稀疏重建系数和最近邻分类器完成识别。在AR及LFW人脸数据库上的实验结果表明,该方法的识别率可高达99%,相比其他几种较新的面部遮挡识别方法取得了更高的识别率,同时减少了识别所耗的时间。     

利用快速加权PCA检测遮挡区域的人脸识别

针对人脸识别中存在遮挡而影响识别性能的问题,提出了一种利用快速加权PCA检测遮挡区域的鲁棒人脸识别算法。首先,利用快速加权PCA检测输入图像的遮挡区域,将其与图库图像的遮挡区域进行比较;然后,利用局部二值模式匹配确定最优权重系数,利用相位相关算法匹配确定遮挡掩码;最后,计算每个测试图像的匹配得分,并利用最近邻分类器完成人脸识别。在FRGC2和UND人脸库上的实验结果表明,本文算法的识别率可高达99.6%,相比其他几种较新的人脸识别算法,本文算法取得了更好的识别性能。